微信公众号由于改变了推送规则，为了每次新的推送可以在第一时间出现在您的订阅列表中，记得将本公众号设为星标或置顶哦~

有意向获取代码，请转文末观看代码获取方式~

展示出图效果

1  辛几何模态分解算法

辛几何模态分解算法（Singular Geometry Mode Decomposition，SGFD）是一种新的多目标模态分解方法。该方法可以将复杂图形分解为连续的几何模态，并将图形划分成若干个连续的几何模态组合形成的区域。

SGFD的原理是将复杂图形分解为一系列的连续几何模态，这种方法基于信息学中的拉普拉斯法则。通过将图形划分成多个连续的几何模态，SGFD能够充分表达图形的复杂度。

SGFD方法的特点是能够有效地提取各种细微复杂的几何模态，并且可以更准确地识别几何模态。因此，SGFD方法适用于分析非线性系统，可以保留测量的本质特征，并保持主要时间序列与以前相同。

MATLAB 信号分解第十三期-辛几何模态分解算法:

https://mbd.pub/o/bread/mbd-ZJaYmplu

信号分解全家桶详情请参见：

https://mbd.pub/o/author-aWWWnHBsYw==/work

2 希尔伯特黄变换

希尔伯特黄变换（Hilbert-Huang Transform，简称HHT）是一种新型的信号分析方法，能够有效地处理非线性、非平稳信号。

对每一个IMF进行希尔伯特变换，可以得到该IMF的解析解。解析解包括一个实部和一个虚部，这两个部分对应于IMF的瞬时频率和瞬时幅值。通过对所有的IMF进行希尔伯特变换，可以得到整个信号的希尔伯特谱。这个谱可以用来分析信号的频率和幅值随时间的变化情况。

希尔伯特黄变换的优点在于其完全自适应性，不需要预设任何参数。此外，该方法能够处理非线性、非平稳信号，因此在许多领域，如地球物理学、生物医学工程等，得到了广泛的应用。

3 边际谱算法

边际谱算法是一种分析非高斯、非线性信号的方法，它基于EMD（经验模式分解）和希尔伯特黄变换（Huang-Hilbert Transform）。

首先，通过EMD将信号分解成一系列固有模态函数（IMF），然后对每个IMF进行希尔伯特变换，得到瞬时频率和瞬时幅值。这些瞬时频率和瞬时幅值构成了信号的希尔伯特谱。

接着，对希尔伯特谱进行边际谱分析。具体来说，将希尔伯特谱的频率和幅值视为二维空间中的一个点，对所有点按照频率进行排序，然后对每个频率点的幅值求和，就得到了边际谱。

通过边际谱，我们可以得到信号在不同频率下的能量分布情况，从而对信号进行分析。这种方法特别适合于处理非高斯、非线性信号。

4 代码获取

如下为简短的视频操作教程。

算法代码获取：

https://mbd.pub/o/bread/ZJyXm55s

https://mbd.pub/o/bread/ZJyXm59r

关于代码有任何疑问，可以一起探讨科研，写作，代码等诸多学术问题，我们一起进步~

1、感谢关注 Lwcah 的个人公众号，有关资源获取，请公众号后台发送推文末的关键词，自助获取。

2、若要添加个人微信号，请后台发送关键词：微信号。

3、若要进微信群：Lwcah 科研技巧群 3。请添加个人微信号后进群（大家沉浸式科研，广告勿扰），不定时更新科研技巧类推文。可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。

记得关注公众号，并设为星标哦~谢谢啦~